需求计划与预测。说到需求预测，我们必须提到预测的三个公理：
1.预测永远是错的。Forecasts are always wrong.
2.集成预测比单个预测更准确。Aggregated forecasts are more accurate.
3.短期预测比长期预测更准确。Shorter horizon forecasts are more accurate.
关于以上的每一点，MIT都给了一些解释和方向性的建议。比如预测永远是错的，我们可以采用区间预测，并且捕捉预测错误，建立一些安全产能、库存来处理；关于集成预测为什么比单个预测准确，MIT用了数学和图表的方式形象的展示了这点，CV(Coefficient of Variation), CV越大，需求波动越大，根据时间、地点、产品型号进行一定程度的集成进行预测，可以大幅减小波动的幅度。
在许多企业中，关于需求有三个层面的问题需要回答：
A需求计划(Demand Planning)需要回答针对我们的产品，我们应该如何塑形产品的需求？
如何设计产品型号和包装、促销策略、价格策略、销售地点等问题。
B需求预测(Demand Forecasting)需要回答在给定需求计划的前提下，我们期望的需求是怎样的？
这个分成战略性的预测、战术性的预测以及运营层面的预测。
C需求管理(Demand Management)回答了在运营层面如何备战和响应真实需求
主要有：平衡供应和需求，管理销售和运营计划(S&OP)的关系
本章的内容是针对B需求预测，而针对这个有三个层面的预测技术，针对不同的时间周期和不同的目的，本图片引用在MIT的课件，具体如下，有问题请在公众号下面提问。
关于预测的方法，基本可以分为两大类，主观(Subjective)的预测和客观(Objective)的预测。在主观预测里面又可以分为：主观判断，如销售调查、专家预测；试验判断：客户调查问卷、针对性的小组讨论或者市场测试。
而在客观预测里面也可以分为两大类：因果或者关系分析和时间序列分析，作为麻省理工学院这样的一个专业学府以及供应链管理的科学特性，我们更专注于讨论客观性的预测方法。而在实际操作中，必然是主观和客观的预测方法同时使用。
关于预测的质量，MIT给出了一些数字化的考核指标，基本可以通过两个方面进行衡量：准确性和偏见，下图可以很好的解释这两个概念。还可以通过很多参数来追踪预测与实际的差异，最简单的一个就是e = A – F，其中e是错误(error),A是实际发生的数值(Actual),F是预测的数值(Forecast)，当然还可以对e进行一定的加工，比如MD,MAD,MSE, RMSE, MPE, MAPE,等等，每个参数可以给预测结果做一些判断。
欢迎大家在公众号里面回复
网友评论
1. Practice problem: PP1- PART 4
You make an interesting observation. Keeping 350 bagels ready to sell provides you with about a 90% probability of not stocking out. Increasing this by 23 bagels improves this probability of not running out to 95%! However, to get this just 4% higher, it takes 52 additional bagels!! ---最后一句不明白。
答案是： The long tails of the Normal Distribution make it increasingly hard to improve upon high levels of service。---长尾理论略懂，但此答案无法理解。
2. 关于预测公式 MD, MAD, MSE, RMSE, MPE, MAPE ， 能请教下他们各在什么场景中使用? 各公式求得的数据，分别告诉我们什么？
本人无供应链背景，可能问题会问得比较没水平，望见谅。如能得到指教，不胜感激。
1. 你好，可以用正态分布的公式去理解这问题，用excel公式去体会一下。如果要直观的理解，想想看经济学里面边际效用递减的法则，与人生的很多技能掌握一样，如跑100米，刚开始的时候进步很快就到13秒以内，但是到了一定水平之后，哪怕要提高1秒，你需要付出比原先所有努力更多的努力。
2. 预测偏差MD, MAD, MSE, RMSE, MPE, MAPE用在你真正预测了一个产品的销量之后，你通过调整alpha, beta, gamma, 来选择一个你认为合理的数值，然后用这个模型去预测将来。
抱歉晚回复。加油！有问题多沟通。